Dify 工作流基礎：問題分類器
問題分類器是一個能夠根據使用者輸入內容，自動判斷問題類型的節點。它依靠大語言模型（LLM）的自然語言理解與推理能力，將輸入的問題對應到事先定義好的分類，並輸出分類結果。 透過這個節點，我們可以快速將不同意圖的輸入問題分流至不同的流程路徑，讓工作流更具結構性與自動化。
常見應用包括：
- 客服對話意圖分類
- 產品評價或留言分類
- 郵件與工單的自動分類
使用方法
在工作流中配置 問題分類器 節點時，通常包含以下幾個步驟：
-
選擇推理模型 問題分類器依賴 LLM 的推理能力，選擇合適的模型（如 GPT、Claude、Gemini 等）能提升分類準確率。
-
選擇輸入變數 指定要用來分類的輸入內容，一般為使用者的輸入問題，例如：
sys.query。 -
編寫分類標籤 / 描述 為每個類別定義一段清楚的標籤或描述，例如：
- 售前問題：與產品規格、價格相關的問題
- 售後問題：與維修、保固、異常使用有關的問題
- 其他問題：與產品無關的問題
-
設定分類輸出與下游節點 當問題被分類後，會輸出對應的
class_name，再根據結果導向不同的後續節點（例如：知識庫查詢、API 呼叫或回覆訊息）。
高級設定
- 指令：可補充額外說明，幫助模型更好地理解分類依據。
- 記憶：允許分類器參考對話上下文，提升對話型場景的判斷精度。
- 圖片分析：若模型支援多模態，可以輸入圖片變數進行圖片內容分類。
- 記憶窗口：控制上下文歷史訊息的傳遞範圍，避免過多資訊干擾。
實務案例（場景）
以客服系統為例，我們設定三個分類標籤：
- 售前問題
- 售後問題
- 其他問題
案例演示：
-
使用者輸入：「iPhone 17 Pro Max 的記憶體多大？」 → 分類為 售前問題，導向產品規格知識庫。
-
使用者輸入：「我的 iPad 才用了兩個月，為什麼相機模糊？」 → 分類為 售後問題，導向客服工單流程。
-
使用者輸入：「明天台北會下雨嗎？」 → 分類為 其他問題，回覆罐頭語。
透過這樣的工作流，問題分類器能自動幫助系統整理與歸納問題，並分流到合適的後續處理節點，大幅提升自動化處理效率。